모든 것은 데이터로 말한다 Data Analytics
Airbnb Data Scientist가 말하는 데이터 활용 방법
올해 사내 교육과정 중에 디지털 마케팅 교육 과정을 수강했다.
Big data에 대한 이야기가 잠시 나왔었고,
강사님의 국내 사례를 잠깐 보았다.
그렇다면 일류 기업들은 데이터를 어떻게 사용할까?
이에대해 궁금하여 유투브를 검색하였다
좋은 영상을 발견해서 학습 극대화를 위해서 요약본을 만들어보았다.
이글을 읽는 기획자들도
데이터에 대한 관심이 생겨나길 바라며..
강사는 Airbnb Data Scientist,
Theresa Johnson씨다. 흑인 말투가 참 임팩트 있다.
Product at Scale:
Moving from intuition to insight
제목부터 공감이 간다.
모든 일에서 경험이 쌓이면
설명할 수 없는 직관이 생긴다.
그러나 직관만으로는 의사결정을 내릴 수 없다.
데이터를 기반으로한 통찰로 진화시켜야 나와 기업이 앞으로 한발짝씩 나갈 수 있다.
Data Scientist는 무엇인가?
다양한 정보가 여기저기 채널과 고객들로부터 흘러들어온다.
흩어져 있는 정보를 정렬하여 기업의 비즈니스에 통찰을 더할 수 있는 활동을 하는 사람들이 Data Scientist(DS).
DS는 어떤 자질을 가져야 하나?
Technical skills과Business skills이 있어야 한다.
데이터 활용 기술로 비즈니스의 문제를 해결하는 능력이 필요하다
사실 이것은 조직에서 어떤 역할을 하든지 요구되는 역량이다.
Data는 사람이다.
숫자가 아니다.
모든 것은 사람/고객과 연결된 활동이다.
모든 것을 데이터만 갖고 의사결정을 할수는 없다.
모든 것을 다 측정할 수 없기에 분석된 데이터는 의사결정의 중요한 요소 중 하나이다.
예를 들면 모든 온라인에서의 활동은 측정가능하지만,
오프라인에서 일어나는 일을 다 측정할 수 없다.
스타트업일수록 데이터 문화를 빨리 정착시키라고 한다.
의사결정에 당연히 중요한 정보이기 때문일 것이다.
스타트업은 data scientist를 바로 구할수 없을지도 모르지만..
Data stack을 보면 Data Scientist가 무엇을 하는지
이해하기 쉬울 것이다.
에어비앤비 사례이지만,
다른 기업에서도 비슷하다.
Infrastructure: 기본적인 시스템, 체계, 매우 중요함.
ETL: 정확한, 깨끗한 정보를 큐레이팅한다. Extract, Transform, Load, 요리하기전에 채소를 다듬는 것과 마찬가지죠
Analysis: 어제와 오늘 무슨 일이 있었는지 보는 것이다. 고객의 행동을 감지하고 변화를 사업에 반영하는 것
Data products: 머신러닝을 이용해서 고객들에게 서비스를 제공하는 것
Exprimentation: 문제, 가설 실험 중요
Visualization: 리더십의 의사결정을 위해서 매우 중요한 부분
빨간색의 Data Science 가장 제너럴함
파랑색의 Data Analytics: 분석하고 제시함
하늘색의 Data Infrastructure: 시스템 전반을 관리.DS에게 젤 중요함
갈색의 Data Engineering: 데이터 관리와 파이프라인 관리
보라색의 Data tools: 실험을 도와줌. A/B 테스트
분홍색의 Data Expert: 마스터다. 데이터를 사람들이 잘 이해할 수 있도록 해준다
Centralized model: 처음에는 대부분 이모델이다. 컨설팅 같다. 모든 것을 다한다.
Embedded model: 부서나 기능별로 나눠져 있다.
Hybrid model: 에어비앤비는 하이브리드 모델로 한다.
에어비앤비의 의사결정 원칙
목표를 명확히하고 결과 중심적이며
(OKR을 잘 모르겠으며 읽어보세요: https://brunch.co.kr/@minhyuk0070v1rn/18)
팀의 크기는 관리 가능한 피자 두판으로 함께 먹을 수 있을 정도
그리고 의사결정을 모두가 같이 결정한다
Cross functional team: 온라인 기반의 기업에서는 이렇게 기능으로 팀을 나누는 것이 아니라
각자의 역량을 가지고 하나의 목적으로 달성하는 cross functional team이 더 민첩할 수 있다.
이 많은 숫자들이 엄청난 데이터를 만들어낸다.
머신러닝: 거의 대부분의 고객경험활동에서 머신러닝을 사용한다.
Airbnb의 머신러닝이란:
predictive modeling with feedback loops to drive insight
Linear regression with feedback loops
에어비앤비에서 머신러닝을 사용하는 Product는 아래와 같다.
Search ranking: 검색은 어디서나 사용된다.
Account takeover prediction: 계정이 난몰래 빼앗기는 경우
Smart pricing: 북킹을 잘하기 위해서
Issue prediction: 자주 발생하는 이슈를 예측
U&C messages: Urgency and commitment 거의 다 부킹되어가고 있어 같은 것
Ticket routing: 문제에 대해서 책임자에게 제대로 가도록
Identify bad actors: 사용자 프로파일 고객 관리
LTV model: life-time value 마케팅과 서비스에 활용
Experimentation
실험 정말 많이 함
Controlled experiments가 의사결정에 매우 중요한 요소
PM으로써는 직원들의 동기부여가 매우 중요하다
화살표 지점에서 신규 서비스를 런칭했다.
이 서비스가 매출을 끌어 올린 것일까?
A/B test를 통해서 그 결과를 예상할수 있다.
결과적으로 보면 오히려 그 신규 서비스 때문에 더 많이 성장할 기회를 놓쳤다는 결과를 확인할 수도 있다.
Airbnb의 가장 큰 혁신은
온라인에서 신뢰를 구축했다는 것이다.
호스트와 게스트 사이의 신뢰 구축을 통해서 비즈니스 모델이 성공할 수 있었던 것이다.
아마존, 우버와 같은 서비스들도 결국 플랫폼에서 player들이 온라인 상에서 서로 신뢰하여
거래가 일어날 수 있도록 한게 핵심이다.
위에 그래프를 보면 11년도 되면서 갑자기 급성장을 한 계기가 무엇일까?
한번 맞춰보시길...
Professsional photos가 이 성장에 엄청난 기여를 했다.
11-16년까지 엄천난 투자를 했다
photos=trust?
시장은 계속 변한다 사진만으로는 안된다. 그래서 아래와 같다.
13년도 ID verification
14년도 rating system
14년도 publicity
15년도 iPhone
그래서 Impact of professional photography, 사진의 영향력에 대한 테스트를 진행했다.
영상을 보면 왜 무슨 목적으로 테스트를 설계한 것인지 묻고 답하는 내용이 있다.
결국 에어비앤비에서는 일을 잘하기 위해서는 문제 정의와 Testing 설계를 잘해야 한다가 핵심 역량인 듯..
무료 전문사진촬영 서비스에 대한 테스트 결과
유료로 전환하는 것으로 결론을 지었다.
Airbnb와 같은 플랫폼 기반의 기업에서 가장 중요한 것은 결국,
data informed decision이다
데이터에 기반한 의사결정을 잘하기 위해서는
Data 101 data driven decision makin gand problem soloving을 잘해야 한다.
Five why's 다섯번 '왜' 물어보기
Issue trees- identify the problem 한가지 문제에 대해서 쪼개고 쪼개고해서 깊이 들여다 보기
Opportunity sizing-drive the solution
effort vs impact
한가지 문제에 대해서 얼마나 투자를 해야하는지에 대한 이슈
이 영상을 보면서 내가 속한 기관에 함의점을 적용해보면..
(*물론 업종이 다르다보니 여러 제약 사항들이 있다. 예를 들면, 우리의 비즈니가 오프라인 기반이다)
데이터 인프라의 부재: 데이터를 수집, 관리, 처리, 분석할 수 있는 인프라가 부족하다. 분석력이 떨어지는 가장 실질적인 요인.
고객 데이터 수집 및 관리 부재: 고객의 어떤 데이터가 왜 필요하고 어떤 목적으로 쓸지에 대한 방향성이 없다. 현재는 목표 수입의 증가를 최종 목적으로 모든 활동이 진행되다 보니 관련 데이터는 수집되지만, 고객의 활동 데이터를 어떻게, 무엇을, 왜 수집해야하는지에 대한 정의가 없다. 더불어 고개에 대한 관점, 그리고 고객 경험에 대한 중요성은 근래들어 많이 인식하게 되었지만, 아직도 관점과 업무내용은 핵심적인 요소가 아니다.
데이터에 기반한 의사결정: 단순히 숫자만 얘기하는 것이 아니다. 데이터라는 것은 데이터를 이용한 실험을 통해서 여러 문제를 해결하려는 검증된 아이디어에 대한 판단인데, 이런식의 의사결정은 아직도 부족하다. 대부분의 의사결정은 기존의 성공 경험과 수많은 가정과 가설에 의해서 이뤄진다. 의사결정도 책임 실무자들에게 있지 않고 리더십에 있다는 점이 에어비앤비와의 차이점이다. 데이터에 기반한 의사결정이 자리잡으면 굳이 모든 의사결정이 리더십에서 될 필요는 없다.
데이터 분석에 대한 역량 부족: 데이터가 부재하기 때문이기도 하다. 데이터를 분석하는 역량이 많이 부족하다. 그런 역량을 갖고 있는 전문가를 보강해야 한다. 요즘 마케터들이 구글 어낼리틱스 강의 많이 듣는다고 하는데, 좋은 현상이다.
Cross-functional team 구조: 경험을 위해서 서비스 기능이 중요하고 그 기능에 대한 각 역량을 갖고 있는 직원들이 모여서 팀을 이루는 구조가 매우 좋은 것 같다. 우리는 역량별로 팀을 나누다보니, 공동의 목표를 갖기도 어렵고 서로 협력이 많이 필요하지만 잘 되지도 않는다. 구조에 대한 재검토가 필요하다.
이 영상은 데이터를 어떻게 사용해서 비즈니스를 운영하는지에 대한 소개한 정도의 내용이고
데이터를 활용해서 업무에 적용하려면 기술적인 역량을 키워야한다.
원본영상: https://youtu.be/sNiQXszVr9Y
